基于模糊信息处理的传感网系统中多目标跟踪方法

摘要

作为推动信息领域进入崭新阶段的新型技术，传感器组网的相关理论和应用技术已成为一个非常热门的研究方向。多目标跟踪是传感器组网系统中的关键技术之一。在传感器组网系统中，多目标跟踪是依据信息融合理论，利用来自多个节点具有不同的层次、分辨率、精度、维度、粒度以及不确定性数据，获得目标更完整的决策和更精确的估计。同时，数据关联是多目标跟踪的一个研究难点。在国家自然科学基金项目(No.61271107、No.61301074)的支持下，论文从分布式传感器组网系统的整体框架出发，利用模糊信息处理技术研究多目标跟踪过程的不确定性问题，提出一系列适合工程应用的方法。这些方法涉及系统中不同层次的数据关联过程，主要包括：1)传感器节点层中的航迹起始和观测-传感器航迹关联；2)局部节点层中的传感器航迹-局部航迹关联；3)全局节点层中的局部航迹-系统航迹关联等诸多方面。全文共分为七章，各章的主要内容分别如下：
　　第一章为绪论。首先介绍本文研究的背景、意义以及传感器组网系统的模型结构，然后概述信息融合和多目标跟踪的国内外研究现状，并介绍模糊信息处理的相关技术及它们在信息融合中的意义及作用，最后给出本文的主要成果和内容安排。
　　第二章介绍传感器组网系统中多目标跟踪的基本技术，并对其不确定性进行分析。介绍组网系统中各节点对数据的预处理技术：包括时间对正、坐标变换、目标定位；同时对传感器组网系统中数据的特性和不确定性进行详细分析。
　　第三章针对二坐标雷达和红外传感器搭建的异类传感器跟踪平台，提出一种基于模糊Hough变换的异类传感器航迹起始方法。提出方法根据目标的拓扑序列信息对异类观测进行分类与合成，采用加权平均法构建合成观测集；然后采用模糊Hough变换从杂波中检测目标航迹，并根据航迹确认准则进行漏检效验；最后结合仿真实验，将提出方法与基于Hough变换的航迹起始方法进行比较。
　　第四章首先针对跟踪过程中观测噪声方差未知的情况，提出一种模糊递推最小二乘滤波方法，用于解决单机动目标跟踪问题。在此基础上，进一步针对杂波环境下单机动目标跟踪和多机动目标跟踪，分别提出一种基于概率数据关联的模糊递推最小二乘滤波方法和基于广义联合概率数据关联的模糊递推最小二乘滤波方法。
　　第五章根据传感器节点到局部节点的数据传输方式，提出一种基于模糊聚类的子航迹-局部航迹关联方法。提出方法利用Hough变换将同一时间段内的子航迹映射为参数空间中一组点集，采用最大熵模糊聚类实现子航迹-局部航迹关联，并通过仿真数据实验和实测数据实验分别对提出方法的有效性和可行性进行验证。
　　第六章考虑到局部航迹的可信度对航迹关联结果的影响，提出一种基于加权模糊综合函数的子航迹-系统航迹关联方法。提出方法将局部航迹的可信度引入航迹关联中，充分利用模糊综合函数作为相似性测度的优点，快速、准确地对子航迹与系统航迹做出关联判决，最后通过仿真实验对算法的有效性进行评估。
　　第七章对全文进行总结。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪 论

1.1 研究的应用背景及意义

1.2 传感器组网系统的模型构成

1.3 传感器组网系统中多目标跟踪的研究现状

1.4 模糊信息处理技术及其在目标跟踪中的意义与作用

1.5 论文的主要研究内容与组织安排

第二章 传感器组网中目标跟踪的基本技术及不确定性分析

2.1 引言

2.2 传感器组网系统中数据预处理技术

2.3 传感器组网系统的数学模型及融合准则

2.4 传感器组网系统中的数据特性及不确定性分析

2.5 本章小结

第三章 基于模糊Hough变换的异类传感器航迹起始

3.1 引言

3.2 异类传感器的观测模型

3.3 候选目标观测集的建立方法

3.4 Hough变换的直线检测原理

3.5 基于模糊Hough变换的异类传感器航迹起始

3.6 仿真实验及分析

3.7 本章小结

第四章 基于模糊递推最小二乘滤波的观测-传感器航迹关联

4.1 引言

4.2 机动目标运动分析

4.3 模糊递推最小二乘滤波方法

4.4 基于概率数据关联的模糊递推最小二乘滤波方法

4.5 基于广义联合概率数据关联的模糊递推最小二乘滤波方法

4.6 本章小结

第五章 基于模糊聚类的子航迹-局部航迹关联

5.1 引言

5.2 局部节点层的航迹关联结构

5.3 子航迹的定义与映射

5.4 基于模糊聚类的子航迹-局部航迹关联

5.5 仿真实验及分析

5.6 本章小结

第六章 基于加权模糊综合函数的子航迹-系统航迹关联

6.1 引言

6.2 局部航迹的可信度

6.3 基于模糊综合函数的子航迹-系统航迹关联

6.4 基于加权模糊综合函数的子航迹-系统航迹关联

6.5 仿真实验及分析

6.6 本章小结

第七章 结论和展望

7.1 研究结论

7.2 研究展望

参考文献

致谢

作者简介